一种广告图像创意度量化方法及系统与流程
本发明属于计算机视觉,更具体地说,涉及一种广告图像创意度量化方法及系统。
背景技术:
1、随着数字广告行业的快速发展,广告主和代理商每天需要生产和评估大量广告创意素材。目前,广告创意的“新颖程度”评估主要依赖人工主观判断,存在效率低、一致性差、无法规模化的问题。为克服人工评估在效率、一致性和规模化方面的固有瓶颈,业界开始尝试引入计算机辅助技术,试图以自动化或半自动化的方式对广告创意进行客观度量。目前主流的有以下几项技术:
2、1、基于机器学习的广告效果预测方法:通过提取图像底层特征(如颜色、构图等),预测点击率、转化率等传播指标;但该种方式评估对象是传播效果而非创意新鲜度;同时严重依赖标注数据,无法脱离训练数据独立使用;
3、2、基于大语言模型/视觉语言模型的创意打分方法:利用多模态模型直接对广告图像的“非典型性”“原创性”等给出评分;但该种方式评分过程不透明、依据模糊;随机采样导致结果不稳定、不可复现;无法精确量化偏离程度;
4、3、基于规则的素材质量过滤方法:依据预设关键词、标签或特征进行二元判定(通过/不通过);但该种方式输出仅为二分结果,无法提供连续的新颖程度量化值;
5、4、传统计算美学方法:基于秩序与复杂度等单一美学公式计算美感数值;但该种方式维度单一,未引入特定领域历史作品作为参照,无法衡量相对领域的新颖性。
6、综上所述,可知,现有技术存在以下共性不足:(1)缺乏对创意“新鲜度”的定量评估—无法量化图像相对于历史作品库的偏离程度;(2)评估结果不可解释—无法追溯分数的构成来源;(3)评估结果不确定—基于语言模型采样的方案无法保证可复现性;(4)缺乏时间动态性—未考虑“新颖性”判断标准随时间演化的特性。
7、针对上述问题也进行了相应的改进,如中国专利申请号cn202610145868.3,公开日为2026年5月15日,该专利公开了一种用于平面海报智能评价的美度测量方法,属于机器视觉技术领域,包括平面海报样本收集及预处理,构建用于美度测量的海报样本矩阵;基于birkhoff美学度量理论、信息熵理论构建多维度美度测量模型;利用美度测量模型,计算平面海报模型美度值;利用海报样本矩阵开展问卷美度值测量,获得问卷美度值;利用spearman秩相关系数,分析样本的模型美度值与问卷美度值排序的一致性情况,验证平面海报美度测量模型的可靠性;搭建平面海报智能审美评价程序,集成美度测量模型实现自动化评价。本发明提出可计算的“秩序与美度”熵评价模型框架,使平面海报美度复杂的秩序得以有效测量,为美度复杂性的多元回归构建了新的方法。该专利的不足之处在于:仅限平面海报,泛化能力弱,对新颖广告图像时效性评价存在局限。
技术实现思路
1、1、要解决的问题
2、针对现有广告图像创意评估难以量化且不准确的问题,本技术提供一种广告图像创意度量化方法及系统。本发明满足广告效果评估中对于结果稳定性和可复验性的工程要求,有更高的准确度以及客观性;两次加权融合保障评估的稳定性。
3、2、技术方案
4、为解决上述问题,本发明采用如下的技术方案。
5、一种广告图像创意度量化方法,包括如下步骤:
6、s1:获取待评估的广告图像,将待评估的广告图像分解为多个特征评价维度;
7、s2:对每个特征评价维度进行计算反映内部无序性的复杂度特征信息量、反映历史偏离度的新鲜度特征信息量以及反映稀缺性的惊奇度特征信息量;
8、s3:对每个特征评价维度中的复杂度特征信息量、新鲜度特征信息量以及惊奇度特征信息量按照第一预设权重进行融合,得到每个特征评价维度对应的维度分数;
9、s4:将多个特征评价维度的维度分数按照第二预设权重进行融合,得到最终的创意度量化分数。
10、更进一步的,所述步骤s1中多个特征评价维度包括色彩特征评价维度、构图特征评价维度和语义特征评价维度;
11、所述步骤s2中,对于每个特征评价维度,其复杂度特征信息量通过计算特征分布的 shannon 熵获得;其新鲜度特征信息量通过计算当前图像特征分布与历史分布之间的kl 散度获得;其惊奇度特征信息量通过计算当前图像在类别先验分布中的自信息获得。
12、更进一步的,在步骤s1之后还包括确定待评估的广告图像的所属领域,获取所属领域的历史图像库中各图像的特征评价维度对应的维度特征分布,构建领域历史分布模型。
13、更进一步的,具体的,所述步骤s2中:
14、对于色彩特征评价维度:分别计算色相(hue)、感知亮度(luminance)、饱和度(saturation)三个通道的shannon熵并合成得到色彩复杂度特征信息量;提取当前图像的多维色彩指纹,并与历史库中各图像色彩指纹计算带时间衰减权重的kl散度得到色彩新鲜度特征信息量;检测色彩和谐类型并根据其在历史库中的经验出现频率计算自信息量得到色彩惊奇度特征信息量;其中,所述时间衰减权重采用指数衰减函数w(t) = 2t/thalf,thalf为预设半衰期参数;所述历史库中的经验出现频率通过对历史数据的统计学习获得;
15、对于构图特征评价维度:提取多维构图特征向量并计算频谱复杂度和空间熵得到构图复杂度特征信息量;计算当前多维构图特征向量与历史库多维构图特征向量均值的余弦距离得到构图新鲜度特征信息量;计算当前多维构图特征向量与历史库多维构图特征向量的最近邻距离得到构图惊奇度特征信息量;
16、对于语义特征评价维度:利用视觉语言模型生成图像描述文本,利用文本嵌入模型编码为语义向量,计算向量激活多样性得到语义复杂度特征信息量;计算当前语义向量与历史库语义向量的带时间衰减的余弦距离得到语义新鲜度特征信息量;融合视觉语言模型的非典型性信号和文本n-gram熵率信号得到语义惊奇度特征信息量。
17、更进一步的,色彩特征评价维度中所述多维色彩指纹为132维向量,包括36维色相直方图、32维饱和度直方图和64维感知亮度直方图的拼接,各通道归一化为概率分布;
18、构图特征评价维度中所述多维构图特征向量为6维向量,包括重心偏移、负空间比、对称度、对角线比、dct复杂度和空间熵;
19、语义特征评价维度中的所述计算向量激活多样性即为采用1024维文本嵌入向量的gini系数反值计算。
20、更进一步的,语义惊奇度特征信息量=0.6视觉语言模型的非典型性信号+0.4文本n-gram熵率信号。
21、更进一步的,所述时间衰减权重中的thalf取值为6~8天。
22、更进一步的,所述第一预设权重为复杂度特征信息量:新鲜度特征信息量:惊奇度特征信息量=(0.2~0.3):(0.3~0.4):(0.35~0.45);
23、所述第二预设权重为色彩特征评价维度:构图特征评价维度:语义特征评价维度=(0.2~0.3):(0.15~0.25):(0.5~0.6)。
24、更进一步的,当按照第二预设权重进行融合后得到初始分数,最终的创意度量化分数= 1 + 9 × clamp(raw,0, 1),分数范围为1.0至10.0,其中raw即为初始分数。
25、一种使用如上述任一项技术方案所述的一种广告图像创意度量化方法的系统,包括如下模块:
26、分解模块:用于获取待评估的广告图像,将待评估的广告图像分解为多个特征评价维度;
27、计算模块:用于对每个特征评价维度进行计算反映内部无序性的复杂度特征信息量、反映历史偏离度的新鲜度特征信息量以及反映稀缺性的惊奇度特征信息量;
28、第一加权模块:用于对每个特征评价维度中的复杂度特征信息量、新鲜度特征信息量以及惊奇度特征信息量按照第一预设权重进行融合,得到每个特征评价维度对应的维度分数;
29、第二加权模块:用于将多个特征评价维度的维度分数按照第二预设权重进行融合,得到最终的创意度量化分数。
30、更进一步的,还包括历史库管理模块,用于维护带时间戳的历史图像指纹库,支持多层缓存架构,并在新鲜度计算时提供时间衰减加权查询;
31、同时历史库管理模块包括先验概率校准单元,用于扫描历史库中所有图像并统计各类色彩和谐类型和构图模式的出现频率,自动生成惊奇度计算所需的经验先验概率。
32、3、有益效果
33、(1)本发明通过将图像分解为多个可认知的特征评价维度,每一维度均独立计算复杂度、新鲜度、惊奇度三类信息量,并经第一预设权重融合得到维度分数;最终经第二预设权重加权得到总分,使得可追溯至具体维度及具体信息量的贡献程度,便于创意优化方向的精准定位;且所有特征信息量的计算均基于确定性数学变换,不引入随机种子或模型采样波动,在输入图像与历史作品库固定的条件下,各维度特征提取、信息量计算及融合权重均为确定值,多次运行输出完全一致,从而满足广告效果评估中对于结果稳定性和可复验性的工程要求;同时三个具体特征信息量(复杂度、新鲜度以及惊奇度)的确定,同时兼顾了图像的客观结构属性、动态演化属性以及群体对比属性,从作品自身、历史纵向与同期横向三个维度全面捕获创意的多个因素,相较于单个因素具有更高的准确度以及客观性;两次加权融合避免在一次全局加权中因量纲混杂而导致的权重失真,保障评估的稳定性;
34、(2)本发明选择色彩、构图以及语义作为特征评价维度,色彩能反映视觉冲击力和风格一致性,构图涉及布局、平衡和视觉层次,语义则传达广告信息,这三者构成了从低级视觉感知到高级认知理解、由表及里的完整体系,既能全面捕获图像的物理属性与认知属性,又为后续各维度的独立量化与可解释性溯源提供了逻辑清晰的划分依据;同时每个特征评价维度的复杂度、新鲜度以及惊奇度的计算均为确定性解析式,避免随机采样,保证可复现;同时领域历史分布模型的构建避免了因领域样本量倾斜或风格固有差异带来的评估失真,从而消除领域偏差干扰;且随着该领域新作品涌现,模型可增量更新,使历史偏离度的参照标准始终与该领域的创意演化节奏保持同步,提升评估的公平性;
35、(3)本发明在进行两次加权融合后,增设线性映射步骤,使所有评估结果统一在同一固定量纲内,确保不同批次、不同时期评估的分数具备横向可比性;同时能够抑制极端值干扰,将分数范围控制在为1.0至10.0,为直观评分标准,使得“分数越高创意度越高”的认知直觉与数值变化直接对应,便于非专业人员快速理解评估结果,提高用户体验;
36、(4)本发明的系统通过各模块独立运行,层级清晰,便于各模块单独优化或替换,适应不同广告场景的定制需求;整个系统克服了随机采样方案的不确定性,使最终分数可精确追溯至具体维度及信息量,保障评估过程透明;同时综合复杂度、新鲜度与惊奇度,从自身结构、历史偏离及统计稀缺三方面全面量化创意,克服了依赖主观经验的局限,为广告图像创意度的自动化、工程化评估提供了客观、稳定且可追溯的量化手段。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com